结束秋招,面经总结

多益

常规介绍项目后

  1. 讲一下lr与线性模型的区别
  2. 为什么说lr加了非线性因素
  3. 讲一下RNN
  4. RNN与LSTM区别在哪
  5. 如何防止过拟合

有些不记得了(offer)

深信服

一面

  1. 介绍最深刻的项目,在这个项目中最重要的是什么
  2. lr使用什么损失函数,为什么不用差平方,用差平方与交叉熵差别在哪
  3. 如何解决样本不平衡问题
  4. 现在有很多题,每个题对应不同的分数,抽一部分题组成一张试卷,使得分数为100
  5. 排序算法介绍,它们的复杂度
  6. 熟悉什么语言-python
  7. 介绍下lambda
  8. 介绍下filter
  9. python写一个单例模式
  10. python里面线程与进程
  11. 进程如何共享内存
  12. 有一篇英文文章,统计出出现次数最多的100个词

二面

  1. 介绍下项目
  2. 有一个分类任务有几千个类,应该怎么去训练模型
  3. 如何提取文本关键字
  4. 跳台阶

三面

  1. 二维平面有n个点,求点p,其到所有点距离之和最小
  2. 陷入局部最优值怎么办
  3. xgboost相对于GBDT的优点,为什么会快些
  4. xgboost如何做并行
  5. 信息熵的定义
  6. 求一个数的二进制表示有多少个1(这个是看我C/C++用得太少了考我基础)
  7. 讲项目

hr面

自我介绍,家哪里的,有没有女朋友,女朋友哪里的,爸妈做什么,身边的人如何评价你,你有什么缺点,期望薪水,可以接受留在长沙不,以后的职业规划,对深信服的工作是否感兴趣
有没有什么想问的(请问公司的培训体系是?)这个你拿到offer再说(这是什么操作???)

hr有点咬字不清晰,我好几次听不清楚问了他几次,印象不太好。

作业帮

  • 介绍项目
  • 对方: 1、c语言实现strcpy 2、快速排序
  • 对方: 如何从200亿数字中,找到最大的100个
  • 对方: 两个随机数产生器,R1以0.7的概率产生1,以0.3的概率产生0.R2以0.3的概率产生1,0.7的概率产生0.问如何组合这两种产生器,使新得到的随机数产生器 以0.5的概率产生1,0.5的概率产生0。随机数产生器可复用。
  • 对方: 有两个随机数产生器,R1以0.7的概率产生1,R2以0.3的概率产生1,问如何组合这两种产生器,使新得到的随机数产生器 以0.5的概率产生1,0.5的概率产生0。随机数产生器可复用。
  • 对方: 已知二叉树的先序和中序遍历序列,如何还原二叉树的结构

当时开始得比较早,没准备好

腾讯 推荐系统

  1. 推荐系统你是怎么理解的
  2. 推荐系统的数据流和业务流是什么样子的,数据由哪里产生,做怎样的处理,又流到哪里去
  3. 怎么获取用户的历史记录
  4. 说得太笼统了,就是怎么获取历史信息,这里面又有哪些信息
  5. 怎么去做特征工程,数据有哪种类型,每种类型怎么去做特征工程
  6. 用户年龄怎么去做特征工程
  7. 某个年龄段数据比较少,或者某个业务在这个年龄段里用户比较少,那该怎么办
  8. 性别怎么做特征
  9. 职业怎么做特征,比如说老师,工程师,公务员
  10. 怎么做统计特征
  11. 推荐算法有哪些?可以用于推荐的
  12. 就是怎么应用的,你举一个模型讲解一下嘛(这里暴露了一个问题,就是我回答的时候总是问一个说一点,不会扩充,说得太少了)
  13. 怎么预估,得到一个概率吗
  14. 树模型怎么做
  15. 你刚提到的树模型+lr,具体方法是什么
  16. 还有没有什么别的方法可以结合
  17. 推荐这一块还有没有别的算法吗
  18. 比如说冷启动的话有什么算法
  19. 挑一个项目讲解一下(这里是不是讲图网络的比较好?)
  20. 商家在某一个时间段会开始搞活动的,这个时候怎么处理
  21. 你这里写了个上下文特征是什么特征
  22. 你有什么问题要问的(这里知道了他是SNG的话可以推荐一下自己的图网络算法)

应该仔细揣摩面试官的意图,不用急着回答

推荐算法根本不了解,不应该接这个面试的,完全没准备好。

360

  1. 你们做转化率的时候没有去重吗
  2. xgboost与GBDT的区别
  3. 当特征值很多的时候如何选择分裂点
  4. 是所有百分位点都计算吗
  5. 信息增益怎么计算
  6. 你的图是有向图还是无向图
  7. 最大子数组和
  8. 项目问的很详细

网易游戏

  1. 降维算法有哪些,坐下介绍
  2. 怎么评估一个模型
  3. 怎么处理过拟合
  4. 从数据的角度出发怎么处理过拟合
  5. 介绍下KNN
  6. K是怎么选取的
  7. 如果K过大或K过小有什么问题
  8. KNN算法的优缺点
  9. KNN的距离度量方式
  10. 其他距离度量方式还有哪些
  11. 介绍下决策树
  12. 剪枝是为了解决什么问题
  13. 介绍下对反向传播的理解
  14. 现在给你一个三层的神经网络,如何做反向传播
  15. CNN有用到吗,介绍下CNN主要用在哪里
  16. 操作系统、计算机网络也比较熟悉的是吧
  17. 进程跟线程的区别是什么
  18. 多进程跟多进程适用的场景是什么?IO密集型和计算密集型
  19. 进程间通信有什么手段
  20. 怎么看某个进程的CPU
  21. 怎么看某个进程监听了哪个端口
  22. 有很多字符串,找出出现次数最多的那个
  23. 字典是用什么实现的
  24. 换个方法怎么实现22问,工程类的方法,你了解大数据那方面的方法吗
  25. MapReduce
  26. 用堆的话怎么实现22问
  27. GIL介绍一下
  28. 所以GIL的影响是什么
  29. 有听说过迭代器吗
  30. 为什么要用迭代器,相对于列表有什么好处
  31. 有听说过闭包吗
  32. 有听说过装饰器吗
  33. 有了解过python的内存管理机制的吗
  34. 智能运维做的是对时序数据的分析,类似与异常检测容量预估智能客服方面的

贝壳

一面:

  1. 乱序数组中查找中位数
  2. 求二叉树深度
  3. 求出现次数最多的k个字符串
  4. 有没有做什么算法改进

二面:

这是我碰过问得最深的面试官,会不断地问为什么,有些问题不记得了

  1. 特征选择方法有哪些?xgb?你模型本来预测就不准的,用它来筛选岂不是更没依据
  2. 什么时候用SVM什么时候用LR
  3. 防止过拟合的方法
  4. L1 L2的作用
  5. L1为什么可以稀疏化权重
  6. 讲一下dropout,为什么可以防止过拟合
  7. 为啥抽样训练然后加权可以防止过拟合
  8. 做一个场景题,怎么预测共享单车应该投放多少

三面:

不断地吹贝壳

其他

后面还面了招银网络(offer)、招联金融(等消息)、万得(offer)、苏宁(offer)、东方海外(offer)、大华(offer)等等。华为笔试面试都搞得太随便了,目前还在池子里泡着。。。还有一些零零碎碎的公司不记得了。一般问的都是项目,机器学习算法原理、基础的数据库问题,python的基础问题,大同小异。

总结

今年算法爆炸,很难找工作,特别是像我这种转专业,在研究生期间做得都是数据挖掘和算法研究的,开发基础不够好,导致好几次与大厂插肩而过。找工作也是个认清个人定位的过程,我刚开始也挺不甘心放弃算法的,不过现实嘛,岂能皆如所愿,尽善尽美?适合自己就好。目前综合地域发展各方面的考虑,打算签招银,以后怎么样就看造化了。

明年的算法大家还是可以找的,建议大家加强自己的研发能力,比如说Java、hadoop、spark、数据库基础,能发论文就发,能打比赛多打,这些都是必须的,有ACM更加分。祝大家offer多多,面试都问helloworld

2019-03-21更新

最后去了贝壳。
#秋招##面经##多益网络##深信服##作业帮##算法工程师#
全部评论
做开发也没什么不好的,三十年河东三十年河西,未来搞算法怎么样也不好说,手里面有个吃饭的家伙就够了
点赞 回复
分享
发布于 2018-10-15 14:16
楼主是研究生转的计算机相关专业吗?
点赞 回复
分享
发布于 2018-10-16 17:47
饿了么
校招火热招聘中
官网直投
招联金融能说下面经吗?谢谢咯
点赞 回复
分享
发布于 2018-10-19 09:47
楼主面的是贝壳哪个岗位?
点赞 回复
分享
发布于 2018-10-19 15:35
楼主能说一下东方海外的面经吗?非常感谢!
点赞 回复
分享
发布于 2018-10-25 09:48
😀
点赞 回复
分享
发布于 2019-03-17 15:17
希望能借到姐妹的一点好运~ 请问新东方管陪面试难嘛?
点赞 回复
分享
发布于 2021-03-26 17:49

相关推荐

6 91 评论
分享
牛客网
牛客企业服务